応対トレーニングAI
新人オペレーターの教育を、AIロールプレイと自動評価で標準化・高速化。
顧客役を演じるAIとのロールプレイ、通話の録音・文字起こし、応対品質の自動評価を一つにしたトレーニングAIを共同開発。ベテランSVの評価眼をAIの基準に落とし込み、質の高い練習と評価を「いつでも・誰にでも」回せる環境をつくります。
- 01BACKGROUND
背景
コールセンター業界は慢性的な採用難と高い離職率を抱え、新人オペレーターをいかに早く戦力化するかが経営を左右します。従来の新人教育は、先輩オペレーターやSV（スーパーバイザー）がロールプレイの相手役と評価を担う、人手前提の仕組みに依存していました。
- 02CHALLENGE
課題
教育の質が指導者のスキルと空き時間に左右され、応対品質の評価も評価者によってブレが出ます。しかも教育に人を割くほど、現場の応対キャパシティが削られる——「育てたいのに、育てる余力がない」というジレンマが構造的に存在していました。
- 03APPROACH
Adeviaの取り組み
顧客役を演じるAIとのロールプレイ、通話の録音・文字起こし、応対品質の自動評価を組み合わせたトレーニングAIを、クライアントと共同で開発しています。現場のSVが実際に見ている評価観点をAIの採点基準へ翻訳し、シナリオに沿った反復練習と、一貫した基準での評価を、指導者の稼働に依存せず回せる状態を目指しています。
- 04OUTCOME
成果
現在はPoCを進行中。反復練習による新人の早期戦力化と、評価のばらつき・SVの評価工数の削減に向けて、現場での検証を重ねています。
FOR ENGINEERS ／ この案件で得られる経験
音声・会話まわりのAI実装に加えて、現場のドメイン知識を「評価基準」という形式知へ翻訳するプロセスを経験できます。クライアントの現場と一体になって作り上げる共同開発のスタイルは、AdeviaのFDE（Forward Deployed Engineer）の働き方を最も色濃く体感できる案件です。
採用情報を見るAdeviaの主な技術スタック（全事例共通）
- 生成AIモデル
- Claude / GPT / Gemini のAPIを用途に応じて使い分けるマルチLLM設計。音声合成はElevenLabs等も活用
- 開発スタイル
- Claude Code を中核に据えたAI駆動開発
- バックエンド
- Python（LangChain / LangGraph）
- フロントエンド
- TypeScript / React
- クラウド
- Google Cloud / AWS
※ 技術スタックはクライアントとの紐付けを避けるため、事例横断の共通情報として掲載しています。
OTHER WORKS
